Mis on Kimi K2.7 Code?
Kimi K2.7 Code on Moonshot AI kodeerimisele keskenduv arutlus- ja agendimudel. Selle eesmärk ei ole lihtsalt lühikesi koodilõike automaatselt lõpuni kirjutada. Mudel on loodud pikemate tarkvaraarenduse töövoogude jaoks, mille käigus tuleb uurida koodihoidlat, analüüsida sõltuvusi, kutsuda tööriistu, muuta mitut faili, käivitada arendusülesandeid või tõlgendada nende tulemusi ning jätkata tööd mitme sammu jooksul.
Mudel põhineb Kimi K2.6 arhitektuuril ja töötab ainult mõtlemisrežiimis. Praktikas tähendab see, et iga päring kasutab mudeli arutlusprotsessi; toetatud ei ole kiiret ega mõtlemiseta režiimi. Moonshot AI kirjeldab Kimi K2.7 Code'i ka mudelina, mille puhul tuleb mitme vooruga suhtluses säilitada arutluse sisu. See peaks aitama säilitada järjepidevust kodeerimisagendi ülesannete ajal.
Kimi K2.7 Code avaldati 12. juunil 2026. See on saadaval majutatud Kimi API kaudu mudelitunnusega kimi-k2.7-code, asjakohaste Kimi Code'i teenuste kaudu ning avatud kaaludega kontrollpunktina Hugging Face'is muudetud MIT-litsentsi alusel.
Kus paikneb see Moonshot AI praeguses mudelivalikus?
Kimi K2.7 Code täidab Moonshot AI mudelivalikus spetsialiseeritud kodeerimise ja agendipõhise arenduse rolli. Seda ei tohiks käsitleda laiema otstarbega Kimi vestlusmudelite asendajana. Moonshot AI soovitab Kimi K2.6 kirjutamiseks, analüüsiks ja üldiseks dialoogiks, samal ajal kui Kimi K2.7 Code on mõeldud tarkvaraarenduseks ja tööriistapõhiseks arenduseks.
Oluline on eristada ka mudelit ja praegust Kimi Code'i vaiketeenust. 25. septembri 2026 seisuga näitab Kimi Code'i dokumentatsioon, et vaiketeenus kimi-for-coding on üle viidud mudelile Kimi K2.8 Preview. Kimi K2.7 Code on siiski eraldi kättesaadav Kimi API kaudu ja Kimi K2.7 Code HighSpeedi teenuses. Seetõttu peaksid kasutajad kontrollima valitud mudeli või teenuse identiteeti, mitte eeldama, et iga Kimi Code'i päring kasutab Kimi K2.7 Code'i.
Arhitektuur ja 256K kontekstiaken
Kimi K2.7 Code kasutab segu ekspertidest ehk MoE-arhitektuuri. Sellel on kokku ligikaudu 1 triljon parameetrit, kuid iga märgi puhul aktiveeritakse umbes 32 miljardit parameetrit. Selline suunamisviis võimaldab mudelil kasutada väga suurt üldvõrku, rakendades iga päringu osa jaoks ainult valitud ekspertide alamhulka.
Dokumenteeritud arhitektuuril on 61 kihti, 384 eksperti ning iga märgi jaoks valitakse neist kaheksa. See sisaldab ka mitme peaga latentset tähelepanu (Multi-head Latent Attention) ja 400 miljoni parameetriga MoonViT-nägemisinkooderit visuaalse sisendi töötlemiseks.
Kontekstiaken on 256K märki ehk 262 144 märki. Kontekstiaken näitab teksti, koodi, arutluse ajaloo ja tööriistateabe hulka, mida mudel saab ühe suhtluse jooksul arvesse võtta. See maht on kasulik suurte koodihoidlate, ulatuslike logide, pikkade silumisseansside ja agenditöövoogude puhul, kus tuleb säilitada palju tööriistade kasutamise ajalugu. See ei tähenda, et iga koodihoidla saab ilma ettevalmistuseta mudelisse sisestada: praktiline kasutus sõltub endiselt sellest, kuidas koodibaas valitakse, hangitakse ja korraldatakse.
Esitatud dokumentatsioonis ei avaldata Kimi K2.7 Code'i maksimaalset väljundmärgi piirangut. Seetõttu ei tohiks eeldada, et 256K kontekstiaken tähistab ühe genereeritud vastuse maksimaalset pikkust; konteksti maht ja väljundi maht on eraldi piirangud.
Kodeerimine, arutlus ja agendivõimekus
Mudeli peamine tugevus on kodeerimisvõime ja püsiva arutluse kombinatsioon. See on mõeldud näiteks järgmiste ülesannete jaoks:
- Funktsioonide arendamine kogu koodihoidla ulatuses, kui muudatusi tuleb teha mitmes failis.
- Ulatuslik refaktoreerimine, mille puhul peavad muudatused moodulite vahel järjepidevaks jääma.
- Silumine, mis eeldab veaväljundi lugemist, sõltuvuste jälgimist ja teostuse muutmist.
- Tööriistapõhised kodeerimise töövood ja agendiraamistikud.
- Pikalt kestvad tarkvaraarenduse ülesanded, mis nõuavad mitut vahepealset otsust.
Tööriistade kutsumine on toetatud, võimaldades integreerival rakendusel või kodeerimiskeskkonnal mudelile funktsioone kättesaadavaks teha. Need funktsioonid võivad lubada agendil faile uurida, koodihoidlast otsida, arendustööriistu käivitada või teha muid kontrollitud toiminguid. Mudel ise ei soorita igas juurutuses automaatselt väliseid toiminguid; ümbritsev rakendus määrab, millised tööriistad on saadaval ja millised õigused neil on.
Moonshot AI teatab Kimi K2.6-ga võrreldes parematest tulemustest kodeerimise ja agentide võrdlustestides, sealhulgas Kimi Code Bench v2, Program Bench, MLS Bench Lite, Kimi Claw 24/7 Bench, MCP Atlas ja MCP Mark Verified. Need on teenusepakkuja esitatud väited võrdlustestide kohta, mitte sõltumatud hinnangud. Moonshot AI väidab ka, et Kimi K2.7 Code kasutab ligikaudu 30% vähem mõtlemismärke kui Kimi K2.6. See võib võrreldavate töökoormuste puhul tõhusust parandada, kuigi tegelik viivitus ja hind sõltuvad endiselt päringu pikkusest, vahemällu salvestamisest, taristust ja teenuse konfiguratsioonist.
Toetatud sisendi- ja väljundiviisid
Kimi K2.7 Code võtab vastu teksti- ja pildisisendit. Pildimõistmine võib olla kasulik siis, kui kodeerimisülesanne hõlmab kasutajaliidese ekraanipilte, diagramme, visuaalseid vigu või muid visuaalseid viiteid. Ametlik API toetab ka videosisendit, kuid Moonshot AI kirjeldab seda võimalust eksperimentaalsena.
Videotugi ei ole kõigis juurutusviisides samaväärne. Esitatud mudelidokumentatsioon märgib, et ametliku API videosisendit ei toetata praegu kolmandate osapoolte vLLM-i või SGLangi juurutustes samal viisil. Avatud kaaludega mudelit kohapeal käitada plaanivad kasutajad peaksid seetõttu eristama mudeli dokumenteeritud sisendivõimalusi konkreetse järeldusmootori rakendatud funktsioonidest.
Mudel genereerib teksti ja arutluse väljundit. See ei loo algupäraselt pilte, videot, heli, muusikat ega muud meediat. Selle multimodaalsus seisneb seega peamiselt sisendi töötlemises, mitte loomingulise väljundi genereerimises.
Hinnakujundus ja juurdepääsuvõimalused
Majutatud Kimi API hinnakiri on 6,50 ¥ miljoni vahemällu salvestamata sisendmärgi kohta, 1,30 ¥ miljoni vahemälutabamusega sisendmärgi kohta ja 27,00 ¥ miljoni väljundmärgi kohta. API toetab automaatset konteksti vahemällu salvestamist. Vahemälutabamusega sisendi hind võib vähendada korduva konteksti, näiteks püsiva koodihoidla juhiste kogumi või korduva tööriistaajaloo, maksumust, kui päringumuster vastab vahemällu salvestamise tingimustele.
Sisendi- ja väljundihinnad kehtivad päringu eri osadele. Suure koodibaasi saatmine võib tekitada märkimisväärseid sisendmärkide kulusid, samal ajal kui pikk genereeritud paigafail või arutlusmahukas vastus suurendab väljundikulusid. Ainult mõtlemisrežiimis töötamine võib muuta mudeli vähem sobivaks väga väikeste ülesannete jaoks, mille puhul on kiire vastus olulisem kui põhjalik arutlus.
Avatud kaaludega kontrollpunkt pakub veel üht juurdepääsuvõimalust, kuid kohapealne käitamine on nõudlik. Algupärane INT4-kontrollpunkt võtab kettal ligikaudu 595 GB ning praktiline järeldamine nõuab mahukat mitme GPU-ga taristut. Moonshot AI soovitab muu hulgas järeldusmootoreid vLLM, SGLang ja KTransformers. Avatud kaalud pakuvad seega juurutamisel paindlikkust, muutmata mudelit samal ajal kergeks ega odavaks majutada.
Peamised tugevused ja piirangud
Tugevused:
- 256K märgi suurune kontekstiaken, mis sobib suurte koodibaaside ja pikkade agendisessioonide jaoks.
- Spetsiaalselt loodud tugi koodihoidlaülesele programmeerimisele ja mitmeastmelisele tarkvaraarendusele.
- Kohustuslik arutlus ülesannete jaoks, mille puhul on kasulik läbimõeldud planeerimine ja silumine.
- Tööriistade kutsumine ja mitmeastmeliste töövoogude tugi.
- Teksti- ja pildisisend ning eksperimentaalne videosisend ametliku API kaudu.
- Majutatud API juurdepääs koos avatud kaaludega väljalaskega.
- Moonshot AI esitatud andmetel väiksem mõtlemismärkide kasutus kui Kimi K2.6-l.
Piirangud:
- Toetatud ei ole kiiret ega mõtlemiseta režiimi.
- Mudelit on kohapeal väga mahukas juurutada, hoolimata 32 miljardi parameetri suurusest aktiivsest suunamismahust.
- Ligikaudu 595 GB suurune INT4-kontrollpunkt nõuab mahukat mitme GPU-ga taristut.
- Videosisend on eksperimentaalne ja sõltub juurutusest.
- See ei genereeri pilte, videot, heli ega muusikat.
- Esitatud dokumentatsioon ei täpsusta maksimaalset väljundmärkide arvu.
- Mudel on spetsialiseerunud kodeerimisele ega ole soovitatav valik üldiseks kirjutamiseks, analüüsiks või vabaks vestluseks.
- Praegused Kimi Code'i vaikeseaded võivad suunata päringud Kimi K2.8 Preview'le, mitte Kimi K2.7 Code'ile.
Millal valida Kimi K2.7 Code?
Vali Kimi K2.7 Code siis, kui ülesanne hõlmab ulatuslikku tarkvarakonteksti ja saab kasu läbimõeldud mitmeastmelisest arutlusest. See sobib hästi koodihoidla analüüsiks, keerukaks refaktoreerimiseks, mitut faili hõlmavaks silumiseks, koodibaasi migreerimiseks ning agentidele, mis peavad ühendama mudeli arutluse tööriistadega.
Suur kontekstiaken on eriti kasulik siis, kui arhitektuurimärkmete, lähtefailide, testitulemuste ja tööriistaväljundite korduv esitamine sunniks rakendust muidu olulist ajalugu kõrvale jätma. Majutatud API on üldiselt praktilisem valik meeskondadele, kes soovivad mudelile juurdepääsu ilma väga suure mitme GPU-ga juurutuse käitamiseta.
Lühikeste koodilõikude lõpetamise, väikese viivitusega interaktiivse redigeerimise või kulutundlike päringute puhul, kus kohustuslik arutlus tekitab tarbetut lisakulu, võib sobivam olla mõni muu kodeerimismudel. Kui peamine ülesanne on üldine kirjutamine, analüüs või dialoog, on Moonshot AI valikus paremini sobiv Kimi K2.6. Meediat genereerida soovivad kasutajad peaksid samuti valima nende väljunditüüpide loomiseks mõeldud mudeli või toote, sest Kimi K2.7 Code tagastab ainult teksti ja arutluse sisu.
Üldhinnang
Kimi K2.7 Code'i on kõige mõistlikum käsitleda suure spetsialiseeritud kodeerimisagendi mudelina, mitte üldise vestlusabilisena. Selle määrav kombinatsioon on 256K märgi suurune kontekstiaken, ainult mõtlemisrežiimis töötamine, tööriistade tugi, multimodaalne sisend ja avatud kaaludega arhitektuur, mis on loodud pikaajaliste arendusülesannete jaoks.
Kompromissiks on märkimisväärne ressursikulu. Majutatud juurdepääs väldib mudeli äärmuslikke kohaliku riistvara nõudeid, kuid arvesse tuleb siiski võtta märgipõhiseid kulusid ja arutluse viivitust. Tõsiseid kodeerimisagente loovate või koodihoidlaüleseid ülesandeid lahendavate meeskondade jaoks võivad need kulud olla mudeli konteksti- ja töövoovõimekuse tõttu põhjendatud. Kiirete muudatuste, kerge juurutuse või tavalise vestluse jaoks sobib tõenäoliselt paremini väiksem või üldisema otstarbega mudel.